Исследовательский проект направлен на разработку и имплементацию системы, способной автоматически распознавать и классифицировать базовые алгоритмические конструкции (такие как циклы, условия, последовательности) в коде, представленном в виде псевдокода. Цель проекта - создать модель, которая сможет анализировать структуру псевдокода и с высокой точностью определять, к какому типу алгоритмической конструкции относится тот или иной фрагмент. Особое внимание будет уделено обработке различных стилей написания псевдокода и повышению робастности системы к неоднозначностям. Будут исследованы методы машинного обучения и структурного анализа текста для достижения поставленных целей. Результаты проекта могут быть применены в образовательных платформах и системах автоматической проверки кода.
Предлагается разработать программный модуль, который будет анализировать предоставленный псевдокод на глубинном уровне, идентифицируя ключевые паттерны, соответствующие различным алгоритмическим конструкциям. Это позволит автоматизировать процесс понимания и типизации программных алгоритмов.
Продуктом проекта станет интеллектуальная система, способная принимать на вход фрагменты псевдокода и выдавать на выходе классификацию каждого фрагмента по типу алгоритмической конструкции. Система будет обладать документацией и API для интеграции.
В настоящее время отсутствует эффективный инструмент для автоматического определения типов алгоритмических конструкций в псевдокоде, что затрудняет стандартизацию, обучение и анализ программных решений. Ручное определение требует значительного времени и может приводить к ошибкам.
Актуальность проекта обусловлена растущей потребностью в автоматизации процессов обучения программированию и аналитики кода. Точное и быстрое определение алгоритмических конструкций в псевдокоде упрощает процесс понимания сложных алгоритмов студентами и исследователями.
Основная цель проекта - создать прототип системы автоматического определения типов алгоритмических конструкций в псевдокоде. Дополнительной целью является исследование эффективности различных алгоритмов машинного обучения для решения данной задачи.
Целевой аудиторией проекта являются студенты, преподаватели информатических дисциплин, а также разработчики, занимающиеся анализом или рефакторингом кода. Система поможет в изучении основ алгоритмизации и проверке понимания материала.
Для реализации проекта понадобятся вычислительные мощности для обучения моделей, набор данных с примерами псевдокода, а также программное обеспечение для разработки и тестирования, включая соответствующие библиотеки машинного обучения.
Отвечает за проектирование общей структуры системы, выбор технологического стека и определение ключевых компонентов. Обеспечивает масштабируемость и эффективность архитектурных решений, координируя взаимодействие между модулями.
Занимается исследованием, разработкой и оптимизацией алгоритмов классификации и распознавания паттернов. Отвечает за математическое обоснование и программную реализацию ядра системы, стремясь к максимальной точности.
Отвечает за выбор, настройку и обучение моделей машинного обучения. Производит предобработку данных, валидацию моделей и итерационное улучшение их производительности, фокусируясь на метриках качества.
Разрабатывает стратегию тестирования, создает тестовые сценарии и наборы данных для проверки функциональности и производительности системы. Выявляет и документирует дефекты, обеспечивает соответствие требованиям.
Выполнил: ФИО
Руководитель: ФИО
